JP7278415B2 - 下部尿路症状診断補助システムの動作方法、該方法を実現するプログラムが記録されたコンピュータ読取可能な記録媒体、及び下部尿路症状診断補助システム - Google Patents

Description

特許法第３０条第２項適用 （１）令和元年２月１６日に“５ｔｈ ＳＡＴＵＲＮ Ｃｏｎｔｉｎｅｎｃｅ Ｃｏｎｆｅｒｅｎｃｅ ２０１９”にて発表

本発明は、下部尿路症状診断補助方法に関し、より詳しくは、被検者の泌尿器系データに対して、下部尿路症状予測モデルを用いて被検者に対する予測結果データを導出してユーザ（Ｅｘ．医師など）に提供することにより、診断補助が行われる下部尿路症状診断補助方法に関する。

下部尿路症状（ＬＵＴＳ：Ｌｏｗｅｒ ｕｒｉｎａｒｙ ｔｒａｃｔ ｓｙｍｐｔｏｍ）は、小便を貯めて出す過程に関係して現れる尿の出にくさ、残尿、頻尿、尿線の細小、排尿時の緊張、夜尿、緊急尿、間欠尿などの多様な症状を通称する。下部尿路症状は特に、動物性脂肪摂取の増加と社会的条件のますますの複雑化による心理的ストレス、喫煙、飲酒、体重増加、休息不足、運動不足などの多様な理由から深刻さを増している。下部尿路症状は、症状がひどくなれば、活動に制限が加わり、常に不安感と緊張状態におかれて精神的なストレスを誘発する。睡眠中のトイレの出入りや、それによる睡眠不足はもちろん、身体的疲労が加重して各種の身体的な問題も誘発する。

下部尿路症状は症状だけで疾病の機序を正確に診断することが難しく、また、薬物と手術療法だけでは治療が効率的になされない問題がある。特に、膀胱の機能を評価するための尿流動態検査（ＵＤＳ：Ｕｒｏｄｙｎａｍｉｃ ｓｔｕｄｙ）を利用して下部尿路症状が診断されているが、特に、尿流動態検査は主に前立腺手術の決定のために行われ、手術の効果が低い排尿筋活動低下（ＤＵＡ：Ｄｅｔｒｕｓｏｒ ｕｎｄｅｒ－ａｃｔｉｖｉｔｙ）だけを有する患者と、手術の効果が高いと知られた膀胱出口閉塞（ＢＯＯ：Ｂｌａｄｄｅｒ ｏｕｔｌｅｔ ｏｂｓｔｒｕｃｔｉｏｎ）を有する患者を判別するために行われている。

前記尿流動態検査は、膀胱と肛門に圧力を測定する管を挿入し、食塩水で膀胱をゆっくり満たしながら圧力を測定した後に、小便の際に膀胱の圧力を測定する過程で行われる。よって、下部尿路症状の診断のための尿流動態検査（ＵＤＳ）は患者に不便と当惑をもたらしうることはもちろん、長時間カテーテル（ｃａｔｈｅｔｅｒ）を挿管したまま検査が行われるので、感染の危険があり、患者にとっては苦痛と羞恥心を感じさせることがある。

これにより、被検者に対して苦痛と羞恥心を軽減させ、被検者の泌尿器系（Ｕｒｉｎａｒｙ ｓｙｓｔｅｍ）の正確な状態を把握できる下部尿路症状診断補助方法に対する開発が求められ続けているのが現状である。

大韓民国公開特許公報第１０－２００７－００７４２８８号（公開日：２００７．０７．１２）

本発明は、上記の問題点に対する一つの対応方案として、非侵襲的な検査結果データだけを用いて被検者の肉体的／精神的苦痛を最小化し、自動的に下部尿路症状の類型を予測できるようにすることを目的とする。
また、尿流動態検査（ＵＤＳ）が必要か否かが提供されることで、膀胱出口閉塞（ＢＯＯ）の可能性が低い被検者に対して尿流動態検査（ＵＤＳ）を進行させないようにすることにより、時間と費用を節減できるようにすることを目的とする。

本発明の一実施例として、下部尿路症状診断補助方法が提供される。

本発明の一実施例による下部尿路症状診断補助方法は、被検者の泌尿器系データが入力されるステップと、入力された泌尿器系データに対して、下部尿路症状予測モデルを用いて被検者に対する予測結果データが導出されるステップと、ユーザ端末に導出された予測結果データを提供するステップとが含まれる。

本発明の一実施例による下部尿路症状診断補助方法には、データベースに予め取得されて記憶された泌尿器系データと診断結果データとの間の相関関係についてマシンラーニングアルゴリズムを用いて学習されるステップと、学習された結果に基づいて下部尿路症状予測モデルが生成されるステップとがさらに含まれる。

本発明の一実施例による下部尿路症状診断補助方法において、泌尿器系データには、被検者の年齢、排尿回数、残尿量、尿速検査指標、前立腺症状点数、過去の病歴および排尿効能の少なくともいずれか１つ以上が含まれ、予測結果データには、予測診断名、膀胱出口閉塞確率、排尿筋活動低下確率および尿流動態検査（ＵＤＳ）の必要性の有無の少なくともいずれか１つ以上が含まれる。

本発明の一実施例による下部尿路症状診断補助方法において、下部尿路症状予測モデルには、膀胱出口閉塞の程度を予測するための第１神経網と、排尿筋活動低下の程度を予測するための第２神経網とがさらに含まれる。

本発明の一実施例による下部尿路症状診断補助方法において、下部尿路症状予測モデルは、第２神経網が第１神経網の出力を入力値として有するように形成されるか、第１神経網が第２神経網の出力を入力値として有するように形成される。

本発明の一実施例による下部尿路症状診断補助方法において、マシンラーニングアルゴリズムには、Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＡＮＮ）、Ｓｔａｃｋｅｄ ａｕｔｏｅｎｃｏｄｅｒ、Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＤＮＮ）およびＬｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ（ＬＳＴＭ）のいずれか１つが含まれる。

本発明の一実施例として、下部尿路症状診断補助システムが提供される。

本発明の一実施例による下部尿路症状診断補助システムは、被検者の泌尿器系データが入力されるデータ入力部と、入力された泌尿器系データに対して、下部尿路症状予測モデルを用いて被検者に対する予測結果データが導出される診断予測部と、ユーザ端末に導出された予測結果データを提供する結果提供部とが含まれる。

本発明の一実施例による下部尿路症状診断補助システムには、データベースに予め取得されて記憶された泌尿器系データと診断結果データとの間の相関関係についてマシンラーニングアルゴリズムを用いて学習され、学習された結果に基づいて下部尿路症状予測モデルが生成される予測モデル生成部がさらに含まれる。

本発明の一実施例による下部尿路症状診断補助システムにおいて、泌尿器系データには、被検者の年齢、排尿回数、残尿量、尿速検査指標、前立腺症状点数、過去の病歴および排尿効能の少なくともいずれか１つ以上が含まれ、予測結果データには、予測診断名、膀胱出口閉塞確率、排尿筋活動低下確率および尿流動態検査（ＵＤＳ）の必要性の有無の少なくともいずれか１つ以上が含まれる。

本発明の一実施例による下部尿路症状診断補助システムにおいて、下部尿路症状予測モデルには、膀胱出口閉塞の程度を予測するための第１神経網と、排尿筋活動低下の程度を予測するための第２神経網とがさらに含まれる。

本発明の一実施例による下部尿路症状診断補助システムにおいて、下部尿路症状予測モデルは、第２神経網が第１神経網の出力を入力値として有するように形成されるか、第１神経網が第２神経網の出力を入力値として有するように形成される。

本発明の一実施例による下部尿路症状診断補助システムにおいて、マシンラーニングアルゴリズムには、Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＡＮＮ）、Ｓｔａｃｋｅｄ ａｕｔｏｅｎｃｏｄｅｒ、Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＤＮＮ）およびＬｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ（ＬＳＴＭ）のいずれか１つが含まれる。

本発明の一実施例として、上述した方法を実現するためのプログラムが記録されたコンピュータ読取可能な記録媒体が提供される。

本発明の一実施例によれば、非侵襲的な検査結果データだけを用いて被検者の肉体的／精神的苦痛を最小化し、自動的に下部尿路症状の類型を予測できる効果がある。

また、尿流動態検査（ＵＤＳ）が必要か否かが提供されることで、膀胱出口閉塞（ＢＯＯ）の可能性が低い被検者に対して尿流動態検査（ＵＤＳ）を進行させないようにすることにより、時間と費用を節減できる効果がある。

本発明の一実施例による下部尿路症状診断補助方法を示すフローチャートである。 本発明の一実施例による下部尿路症状診断補助方法を示すフローチャートである。 本発明の一実施例による下部尿路症状診断補助システムを示すブロック図である。 本発明の一実施例による下部尿路症状診断補助システムを示す例示図である。 本発明の一実施例による下部尿路症状診断補助システムにおいて、下部尿路症状予測モデルを示すブロック図である。 本発明の一実施例による下部尿路症状診断補助システムにおいて、第１神経網（または第２神経網）の出力が第２神経網（または第１神経網）の入力に印加されることで形成される下部尿路症状予測モデルを示すブロック図である。 本発明の一実施例による下部尿路症状診断補助システムにおいて、第１神経網の出力が第２神経網の入力に印加されることで形成される下部尿路症状予測モデルを示す例示図である。 本発明の一実施例による下部尿路症状診断補助システムにおいて、第２神経網の出力が第１神経網の入力に印加されることで形成される下部尿路症状予測モデルを示す例示図である。 本発明の一実施例による下部尿路症状診断補助システムにおいて、結果提供部により表示されたユーザ端末を示す例示図である。 本発明の一実施例による下部尿路症状診断補助システムにおいて、結果提供部により表示されたユーザ端末を示す例示図である。

以下、添付した図面を参照して、本発明の属する技術分野における通常の知識を有する者が容易に実施できるように本発明の実施例を詳細に説明する。しかし、本発明は種々の異なる形態で実現可能であり、ここで説明する実施例に限定されない。そして、図面において、本発明を明確に説明するために説明上不必要な部分は省略し、明細書全体にわたって類似の部分については類似の図面符号を付した。

本明細書で使われる用語について簡略に説明し、本発明について具体的に説明する。

本発明で使われる用語は、本発明における機能を考慮しつつできるだけ現在広く使われる一般的な用語を選択したが、これは、当分野に従事する技術者の意図または判例、新たな技術の出現などによって異なる。また、特定の場合は出願人が任意に選んだ用語もあり、この場合、当該発明の説明部分で詳しくその意味を記載するであろう。したがって、本発明で使われる用語は、単純な用語の名称ではない、その用語が有する意味と本発明の全般にわたる内容に基づいて定義されなければならない。

明細書全体において、ある部分がある構成要素を「含む」とする時、これは、特に反対の記載がない限り、他の構成要素を除くのではなく、他の構成要素をさらに包含できることを意味する。また、明細書に記載の「．．．部」、「モジュール」などの用語は、少なくとも１つの機能や動作を処理する単位を意味し、これは、ハードウェアまたはソフトウェアで実現されるか、ハードウェアとソフトウェアとの結合で実現されてもよい。また、明細書全体において、ある部分が他の部分と「連結」されているとする時、これは、「直接的に連結」されている場合のみならず、「その中間に他の素子を挟んで」連結されている場合も含む。

以下、添付した図面を参照して、本発明を詳細に説明する。

本発明の一実施例として、下部尿路症状診断補助方法が提供される。また、前記下部尿路症状診断補助方法は、後述する下部尿路症状診断補助システム１０によって行われ、以下では、後述する下部尿路症状診断補助システム１０によって行われる下部尿路症状診断補助方法に関して説明する。

本明細書において、下部尿路症状（ＬＵＴＳ：Ｌｏｗｅｒ ｕｒｉｎａｒｙ ｔｒａｃｔ ｓｙｍｐｔｏｍ）は、泌尿器系（ｕｒｉｎａｒｙ ｓｙｓｔｅｍ）で発生可能な多様な症状を通称するもので、前記下部尿路症状には、小便を貯めて出す過程に関係して現れる尿の出にくさ、残尿、頻尿、尿線の細小、排尿時の緊張、夜尿、緊急尿、間欠尿などの症状が含まれる。また、前記泌尿器系には、腎臓、尿管、膀胱、尿道などの器官が含まれる。

図１は、本発明の一実施例による下部尿路症状診断補助方法を示すフローチャートである。

図１を参照すれば、本発明の一実施例による下部尿路症状診断補助方法は、被検者の泌尿器系データ２０が入力されるステップＳ１００と、入力された泌尿器系データ２０に対して、下部尿路症状予測モデル４１０を用いて被検者に対する予測結果データ３０が導出されるステップＳ２００と、ユーザ端末８０に導出された予測結果データ３０を提供するステップＳ３００とが含まれる。

また、本発明の一実施例による下部尿路症状診断補助方法において、被検者の泌尿器系データ２０は、下部尿路症状の診断のために被検者から取得されたデータを指すもので、前記泌尿器系データ２０には、被検者の年齢、排尿パターン（Ｅｘ．排尿回数、残尿量、切迫尿回数、夜間尿回数など）、尿速検査指標、前立腺症状点数、過去の病歴および排尿効能の少なくともいずれか１つ以上が含まれる。さらに、泌尿器系データ２０には、下部尿路症状診断のためのアンケート調査結果がさらに含まれてもよい。

前記排尿効能（ｖｏｉｄｉｎｇ ｅｆｆｉｃａｃｙ）は、下記数式１により導出される。

すなわち、本明細書において、排尿効能は、前記数式１のように、排尿量値を排尿量と残尿量とを合わせた値で割った値を指す。上述のように、前記排尿効能も被検者の泌尿器系データ２０に含まれ、後述のように、下部尿路症状予測モデル４１０の学習に活用できる。

また、泌尿器系データ２０にはイメージ特徴データがさらに含まれてもよい。前記イメージ特徴データは、泌尿器系映像データに対して、予め学習された第３神経網を用いて取得される。前記泌尿器系映像データには、経直腸超音波（ｔｒａｎｓｒｅｃｔａｌ ｕｌｔｒａｓｏｎｏｇｒａｐｈｙ）映像、多重パラメータＭＲＩ（Ｍｕｌｔｉｐａｒａｍｅｔｒｉｃ ＭＲＩ）映像が含まれる。前記第３神経網は、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）などに相当できる。すなわち、上記で言及したように、泌尿器系映像データに対して、ＣＮＮなどの第３神経網を用いて抽出／取得されたイメージ特徴データが泌尿器系データ２０に含まれ、後述のように、下部尿路症状予測モデル４１０の学習に活用できる。

予測結果データ３０は、下部尿路症状予測モデル４１０を用いて予測診断が行われた結果を示し、前記予測結果データ３０には、予測診断名、膀胱出口閉塞（ＢＯＯ：Ｂｌａｄｄｅｒ ｏｕｔｌｅｔ ｏｂｓｔｒｕｃｔｉｏｎ）確率、排尿筋活動低下（ＤＵＡ：Ｄｅｔｒｕｓｏｒ ｕｎｄｅｒ－ａｃｔｉｖｉｔｙ）確率および尿流動態検査（ＵＤＳ：ｕｒｏｄｙｎａｍｉｃ ｓｔｕｄｙ）の必要性の有無の少なくともいずれか１つ以上が含まれる。すなわち、予測結果データ３０は、被検者の泌尿器系データ２０から判断された下部尿路症状クラス（Ｅｘ．膀胱出口閉塞（ＢＯＯ）、排尿筋活動低下（ＤＵＡ）、正常あるいはその他）を区分するためのデータはもちろん、区分されたクラス毎の確率、尿流動態検査の必要性の有無などの予測診断結果に関するデータが含まれる。

図８および図９は、本発明の一実施例による下部尿路症状診断補助システム１０において、結果提供部により表示されたユーザ端末８０を示す例示図である。

図８および図９に示されるように、ユーザ端末８０では、上述した予測結果データ３０が提供されて表示される。すなわち、ユーザ端末８０は、前記予測結果データ３０を受信してユーザに表示できるデバイスを指す。また、前記ユーザ端末８０は、ユーザが下部尿路症状の診断時に補助的に活用可能なデバイスであってもよい。ユーザ端末８０は、多様な形態のデバイスであってもよいし、前記ユーザ端末８０には、個人ＰＣ、スマートフォン、タブレットＰＣなどが含まれてもよい。

また、本明細書において、ユーザは、被検者に対して、下部尿路症状を診断する医師などの医療関係者、検査者などを指すことができ、被検者（Ｅｘａｍｉｎｅｅ）は、下部尿路症状を患っている患者だけでなく、下部尿路症状が疑われて自らの泌尿器系の状態を確認しようとする一般人などの対象者も含まれてもよい。

図２は、本発明の一実施例による下部尿路症状診断補助方法を示すフローチャートであり、図３は、本発明の一実施例による下部尿路症状診断補助システム１０を示すブロック図であり、図４は、本発明の一実施例による下部尿路症状診断補助システム１０を示す例示図である。

図２～図４を参照すれば、本発明の一実施例による下部尿路症状診断補助方法には、上述したＳ１００ステップ～Ｓ３００ステップの前に、データベース４９０に予め取得されて記憶された泌尿器系データ２０と診断結果データ４０との間の相関関係についてマシンラーニングアルゴリズムを用いて学習されるステップＳ３０と、学習された結果に基づいて下部尿路症状予測モデル４１０が生成されるステップＳ５０とがさらに含まれる。

すなわち、本発明の一実施例による下部尿路症状診断補助方法において、下部尿路症状予測モデル４１０は、Ｓ３０の過程およびＳ５０の過程を経て生成される。

まず、データベース４９０に予め取得されて記憶された泌尿器系データ２０と診断結果データ４０との間の相関関係についてマシンラーニングアルゴリズムを用いて学習が行われる（Ｓ３０）。

前記データベース４９０は、泌尿器系データ２０のみならず、患者あるいは被検者の医療データを記憶するためのデータストレージを指すもので、前記データベース４９０には、ＣＤＷ（Ｃｌｉｎｉｃａｌ ｄａｔａ ｗａｒｅｈｏｕｓｅ）、ＰＡＣＳ（Ｐｉｃｔｕｒｅ ａｒｃｈｉｖｉｎｇ ａｎｄ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓｙｓｔｅｍ）などの医療データ検索システムが含まれる。すなわち、本明細書において、データベース４９０は、被検者に対する医師の診療記録だけでなく、各種検査結果など被検者に関係する全般的なデータを記憶するサーバに相当できる。

すなわち、データベース４９０に予め記憶された泌尿器系データ（Ｅｘ．被検者の年齢、排尿パターン（排尿回数、残尿量、切迫尿回数、夜間尿回数）、尿速検査指標、前立腺症状点数、過去の病歴および排尿効能）と診断結果データ４０との間の相関関係について学習が行われる。前記診断結果データ４０には、当該泌尿器系データ２０を有する被検者に対して、尿流動態検査（ＵＤＳ）あるいは医療専門家の診断結果判別された膀胱出口閉塞指数（ＢＯＯＩ：ＢＯＯ ｉｎｄｅｘ）、膀胱収縮指数（ＢＣＩ：Ｂｌａｄｄｅｒ ｃｏｎｔｒａｃｔｉｌｉｔｙ ｉｎｄｅｘ）などが含まれる。また、前記診断結果データ４０には、尿速検査データ、膀胱超音波映像データ、陰茎カフ検査データなどが追加的にさらに含まれてもよい。

本発明の一実施例による下部尿路症状診断補助方法において、マシンラーニングアルゴリズムには、Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＡＮＮ）、Ｓｔａｃｋｅｄ ａｕｔｏｅｎｃｏｄｅｒ、Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＤＮＮ）およびＬｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ（ＬＳＴＭ）のいずれか１つが含まれる。ただし、これは例示的なものに過ぎず、上述したアルゴリズムを除いた多様なマシンラーニングアルゴリズムあるいはディープラーニングアルゴリズムを用いることができる。さらに、前記マシンラーニング／ディープラーニングアルゴリズムを結合または連結して新たな予測モデルを形成することができる。

また、前記Ｓ３０の学習過程において、泌尿器系データ２０のｐｏｓｉｔｉｖｅサンプルとｎｅｇａｔｉｖｅサンプルとの間の不均衡を克服するためにデータマイニング過程が追加的に行われる。前記データマイニング過程にはＢｏｏｔｓｔｒａｐ ａｇｇｒｅｇａｔｉｎｇ過程が含まれる。すなわち、Ｂｏｏｔｓｔｒａｐ ａｇｇｒｅｇａｔｉｎｇ過程によって泌尿器系データ２０に対して複数のｂｏｏｔｓｔｒａｐデータを生成し、各ｂｏｏｔｓｔｒａｐデータをモデリングおよび結合することによりモデル算出が行われる。前記ｂｏｏｔｓｔｒａｐデータは、単純復元任意抽出法（ｒａｎｄｏｍ ｓａｍｐｌｉｎｇ）を利用して生データ（ｒａｗ ｄａｔａ）から大きさが同じ複数の標本データを指すことができる。

図５は、本発明の一実施例による下部尿路症状診断補助システム１０において、下部尿路症状予測モデル４１０を示すブロック図である。

図５を参照すれば、本発明の一実施例による下部尿路症状診断補助方法において、下部尿路症状予測モデル４１０には、膀胱出口閉塞の程度を予測するための第１神経網４１１と、排尿筋活動低下の程度を予測するための第２神経網とがさらに含まれる。ただし、前記のような第１神経網４１１および第２神経網４１２の構造だけでなく、前記予測モデル４１０は、膀胱出口閉塞（ＢＯＯ）、排尿筋活動低下（ＤＵＡ）、膀胱出口閉塞（ＢＯＯ）と排尿筋活動低下（ＤＵＡ）との併行、および正常（ｎｏｒｍａｌ）を分類するための単一神経網で構成されてもよいことは当然である。

図６は、本発明の一実施例による下部尿路症状診断補助システム１０において、第１神経網（または第２神経網）の出力が第２神経網（または第１神経網）の入力に印加されることで形成される下部尿路症状予測モデル４１０を示すブロック図であり、図７Ａおよび７Ｂは、本発明の一実施例による下部尿路症状診断補助システム１０において、第１神経網（または第２神経網）の出力が第２神経網（または第１神経網）の入力に印加されることで形成される下部尿路症状予測モデル４１０を示す例示図である。

図６～図７Ｂを参照すれば、本発明の一実施例による下部尿路症状診断補助方法において、下部尿路症状予測モデル４１０は、第２神経網４１２が第１神経網４１１の出力を入力値として有するように形成されるか、第１神経網４１１が第２神経網４１２の出力を入力値として有するように形成される。

すなわち、下部尿路症状予測モデル４１０の予測可能性または正確性を向上させるために、上記の内容および図６～図７Ｂの構造のように下部尿路症状予測モデル４１０が生成される。

図６（ａ）の下部尿路症状予測モデル４１０は、第１神経網４１１の出力が第２神経網４１２の入力に印加されることで形成され、これは、図７Ａに示されるような構造に形成される。同じく、図６（ｂ）の下部尿路症状予測モデル４１０は、第２神経網４１２の出力が第１神経網４１１の入力に印加されることで形成され、これは、図７Ｂに示されるような構造に形成される。

本発明の一実施例として、下部尿路症状診断補助システム１０が提供される。以下に説明される下部尿路症状診断補助システム１０に関しては、上述した方法に関する内容が適用可能である。したがって、システムに関して上述した内容と同一の内容については説明を省略した。

本発明の一実施例による下部尿路症状診断補助システム１０は、被検者の泌尿器系データ２０が入力されるデータ入力部１００と、入力された泌尿器系データ２０に対して、下部尿路症状予測モデル４１０を用いて被検者に対する予測結果データ３０が導出される診断予測部２００と、ユーザ端末８０に導出された予測結果データ３０を提供する結果提供部３００とが含まれる。

本発明の一実施例による下部尿路症状診断補助システム１０には、データベース４９０に予め取得されて記憶された泌尿器系データ２０と診断結果データ４０との間の相関関係についてマシンラーニングアルゴリズムを用いて学習され、学習された結果に基づいて下部尿路症状予測モデル４１０が生成される予測モデル生成部４００がさらに含まれる。

本発明の一実施例による下部尿路症状診断補助システム１０において、泌尿器系データ２０には、被検者の年齢、排尿回数、残尿量、尿速検査指標、前立腺症状点数、過去の病歴および排尿効能の少なくともいずれか１つ以上が含まれ、予測結果データ３０には、予測診断名、膀胱出口閉塞確率、排尿筋活動低下確率および尿流動態検査（ＵＤＳ）の必要性の有無の少なくともいずれか１つ以上が含まれる。

本発明の一実施例による下部尿路症状診断補助システム１０において、下部尿路症状予測モデル４１０には、膀胱出口閉塞の程度を予測するための第１神経網と、排尿筋活動低下の程度を予測するための第２神経網とがさらに含まれる。

本発明の一実施例による下部尿路症状診断補助システム１０において、下部尿路症状予測モデル４１０は、第２神経網が第１神経網の出力を入力値として有するように形成されるか、第１神経網が第２神経網の出力を入力値として有するように形成される。

本発明の一実施例による下部尿路症状診断補助システム１０において、マシンラーニングアルゴリズムには、Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＡＮＮ）、Ｓｔａｃｋｅｄ ａｕｔｏｅｎｃｏｄｅｒ、Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＤＮＮ）およびＬｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ（ＬＳＴＭ）のいずれか１つが含まれる。

本発明の一実施例として、上述した方法を実現するためのプログラムが記録されたコンピュータ読取可能な記録媒体が提供される。

一方、上述した方法は、コンピュータで実行可能なプログラムで作成可能であり、コンピュータ読取可能媒体を用いて前記プログラムを動作させる汎用デジタルコンピュータで実現可能である。また、上述した方法で用いられたデータの構造は、コンピュータ読取可能媒体に様々な手段を介して記録できる。本発明の多様な方法を行うための実行可能なコンピュータプログラムやコードを記録する記録媒体は、搬送波（ｃａｒｒｉｅｒ ｗａｖｅｓ）や信号のように一時的な対象を含むと理解されてはならない。前記コンピュータ読取可能媒体は、マグネティック記憶媒体（例えば、ＲＯＭ、フロッピーディスク、ハードディスクなど）、光学的読取媒体（例えば、ＣＤ－ＲＯＭ、ＤＶＤなど）のような記憶媒体を含むことができる。

上述した本発明の説明は例示のためのものであり、本発明の属する技術分野における通常の知識を有する者は、本発明の技術的思想や必須の特徴を変更することなく他の具体的な形態に容易に変形可能であることを理解するであろう。そのため、以上に述べた実施例はあらゆる面で例示的であり、限定的ではないと理解しなければならない。例えば、単一形で説明されている各構成要素は分散して実施されてもよいし、同様に分散されたものと説明されている構成要素も結合された形態で実施されてもよい。

本発明の範囲は、上記の詳細な説明よりは後述する特許請求の範囲により示され、特許請求の範囲の意味および範囲、そしてその均等概念から導出されるあらゆる変更または変形された形態が本発明の範囲に含まれると解釈されなければならない。

１０：下部尿路症状診断補助システム
２０：泌尿器系データ
３０：予測結果データ
４０：診断結果データ
８０：ユーザ端末
１００：データ入力部
２００：診断予測部
３００：結果提供部
４００：予測モデル生成部
４１０：下部尿路症状予測モデル
４１１：第１神経網
４１２：第２神経網
４９０：データベース

Claims (9)

1. 下部尿路症状診断補助システムの動作方法であって、
   データ入力部が、被検者の予め取得された泌尿器系データを入力するステップと、
   診断予測部が、前記泌尿器系データに対して、下部尿路症状予測モデルを用いて前記被検者に対する予測結果データを演算するステップと、
   結果提供部が、ユーザ端末に前記演算された予測結果データを出力するステップとが含まれ、
   予測モデル生成部が、
   データベースに予め取得されて記憶された泌尿器系データと診断結果データとの間の相関関係を、マシンラーニングアルゴリズムを用いて演算及び学習するステップと、
   前記演算及び学習された結果に基づいて下部尿路症状予測モデルを生成するステップとがさらに含まれ、
   前記下部尿路症状予測モデルには、膀胱出口閉塞の程度を予測するための第１神経網と、排尿筋活動低下の程度を予測するための第２神経網とがさらに含まれる、下部尿路症状診断補助システムの動作方法。
2. 前記泌尿器系データには、前記被検者の年齢、排尿回数、残尿量、尿速検査指標、前立腺症状点数、過去の病歴および排尿効能の少なくともいずれか１つ以上が含まれ、
   前記予測結果データには、予測診断名、膀胱出口閉塞確率、排尿筋活動低下確率および尿流動態検査（ＵＤＳ）の必要性の有無の少なくともいずれか１つ以上が含まれる、請求項１に記載の下部尿路症状診断補助システムの動作方法。
3. 前記下部尿路症状予測モデルは、前記第２神経網が前記第１神経網の出力を入力値として有するように形成されるか、前記第１神経網が前記第２神経網の出力を入力値として有するように形成される、請求項１に記載の下部尿路症状診断補助システムの動作方法。
4. 前記マシンラーニングアルゴリズムには、Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＡＮＮ）、Ｓｔａｃｋｅｄ ａｕｔｏｅｎｃｏｄｅｒ、Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＤＮＮ）およびＬｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ（ＬＳＴＭ）のいずれか１つが含まれる、請求項１に記載の下部尿路症状診断補助システムの動作方法。
5. 下部尿路症状診断補助システムにおいて、
   被検者の予め取得された泌尿器系データが入力されるデータ入力部と、
   前記泌尿器系データに対して、下部尿路症状予測モデルを用いて前記被検者に対する予測結果データを演算する診断予測部と、
   ユーザ端末に前記演算された予測結果データを出力する結果提供部とが含まれ、
   データベースに予め取得されて記憶された泌尿器系データと診断結果データとの間の相関関係を、マシンラーニングアルゴリズムを用いて演算及び学習し、前記演算及び学習し結果に基づいて下部尿路症状予測モデルを生成する予測モデル生成部がさらに含まれ、
   前記下部尿路症状予測モデルには、膀胱出口閉塞の程度を予測するための第１神経網と、排尿筋活動低下の程度を予測するための第２神経網とがさらに含まれる、下部尿路症状診断補助システム。
6. 前記泌尿器系データには、前記被検者の年齢、排尿回数、残尿量、尿速検査指標、前立腺症状点数、過去の病歴および排尿効能の少なくともいずれか１つ以上が含まれ、
   前記予測結果データには、予測診断名、膀胱出口閉塞確率、排尿筋活動低下確率および尿流動態検査（ＵＤＳ）の必要性の有無の少なくともいずれか１つ以上が含まれる、請求項５に記載の下部尿路症状診断補助システム。
7. 前記下部尿路症状予測モデルは、前記第２神経網が前記第１神経網の出力を入力値として有するように形成されるか、前記第１神経網が前記第２神経網の出力を入力値として有するように形成される、請求項５に記載の下部尿路症状診断補助システム。
8. 前記マシンラーニングアルゴリズムには、Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＡＮＮ）、Ｓｔａｃｋｅｄ ａｕｔｏｅｎｃｏｄｅｒ、Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＤＮＮ）およびＬｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ（ＬＳＴＭ）のいずれか１つが含まれる、請求項５に記載の下部尿路症状診断補助システム 。
9. 請求項１～４のいずれか１項に記載の方法を実現するプログラムが記録されたコンピュータ読取可能な記録媒体。

Images